基于 Stable Diffusion XL 的桌面应用，支持通过文字描述生成图片。
支持平台: macOS (M 芯片) | Windows (GPU/CUDA)
| 文件 | 说明 | 下载链接 |
|---|---|---|
CreatingImage-macos-arm64.pkg |
M 芯片 Mac 安装包 | 下载 |
CreatingImage-windows.exe |
Windows 可执行程序 | 下载 |
- 系统版本: 11.0 (Big Sur) 或更高版本
- 芯片支持: Apple Silicon (M1/M2/M3) 或 Intel 芯片
- 内存: 至少 8GB 内存（推荐 16GB）
- 磁盘空间: 约 10GB 可用空间（用于模型下载）
- 网络: 首次启动需要下载 Python 依赖和 AI 模型
- 系统版本: Windows 10/11 64位
- Python: Python 3.11（必须预先安装）
- 内存: 至少 8GB 内存（推荐 16GB）
- 磁盘空间: 约 10GB 可用空间（用于模型下载）
- 显卡: NVIDIA 显卡（推荐 4GB 显存以上）
- 网络: 首次启动需要下载 Python 依赖和 AI 模型
在运行 Windows 版本前，请确保已安装：
-
Python 3.11
- 从 python.org 下载安装
- 安装时勾选 "Add Python to PATH"
- 验证安装：
python --version
-
Microsoft C++ 生成工具
- 安装 pip 依赖时需要编译 C++ 扩展
- 下载地址：Microsoft C++ Build Tools
- 安装时选择 "使用 C++ 的桌面开发" 工作负载
- 或下载 Visual Studio Community 并安装 C++ 开发组件
A: 需要安装 Microsoft C++ 生成工具：
- 访问 Microsoft C++ Build Tools
- 下载并运行 Build Tools for Visual Studio
- 在安装界面勾选 "使用 C++ 的桌面开发"
- 点击安装，等待完成（约 5-10GB）
- 重启电脑后重新运行应用
或者使用命令行快速安装（约 6GB）：
# 使用 Visual Studio Installer
winget install Microsoft.VisualStudio.2022.BuildTools --override "--wait --passive --add Microsoft.VisualStudio.Workload.VCTools"
| 特性 | Mac M 芯片 | Windows NVIDIA |
|---|---|---|
| 内存架构 | CPU/GPU 统一内存池 | CPU 内存 + GPU 显存分离 |
| 数据传输 | 几乎零拷贝，无 PCIe 瓶颈 | 需通过 PCIe 复制数据 |
| 模型加载 | 直接访问大内存，无需分批 | 受显存容量限制 |
| 内存带宽 | 高带宽统一内存 (400-800 GB/s) | 显存带宽高但容量受限 |
1. 统一内存架构 (Unified Memory)
- Mac M 芯片的 CPU 和 GPU 共享同一物理内存池
- 大模型可以直接加载到内存中，无需分批处理
- 数据传输几乎零延迟
2. 显存限制的影响
- NVIDIA 16GB 显存处理大模型时可能触发:
- 梯度检查点 (gradient checkpointing) - 增加计算开销
- CPU 卸载 (CPU offloading) - 频繁的 PCIe 数据传输
- 分批推理 - 增加整体延迟
3. 软件优化
- Mac: Metal Performance Shaders (MPS) 后端针对 Apple Silicon 高度优化
- Windows: CUDA 虽强大，但 PyTorch 的 Windows 优化路径较长
生成 1024x1024 图像时:
Mac M2/M3: 使用 20-30GB 统一内存，无瓶颈，推理流畅
NVIDIA 16GB: 可能触发内存优化策略，增加 20-50% 延迟
如需提升 Windows 版本性能:
-
启用半精度推理
torch_dtype=torch.float16
-
使用 torch.compile() (PyTorch 2.0+)
model = torch.compile(model)
-
启用 CUDA 图捕获 - 减少 CPU 开销
-
确保 CUDA 版本匹配 - 本应用已配置 CUDA 12.1